[Elasticsearch] 邻近匹配 (二) - 多值字段，邻近程度与相关度
多值字段(Multivalue Fields)
在多值字段上使用短语匹配会产生古怪的行为：
PUT /my_index/groups/1
{
"names": [ "John Abraham", "Lincoln Smith"]
}
执行一个针对Abraham Lincoln的短语查询：
GET /my_index/groups/_search
{
"query": {
"match_phrase": {
"names": "Abraham Lincoln"
}
}
}
令人诧异的是，以上的这份文档匹配了查询。
即使Abraham以及Lincoln分属于name数组的两个人名中。
发生这个现象的原因在于数组在ES中的索引方式。
当John Abraham被解析时。它产生例如以下信息：
- 位置1：john
- 位置2：abraham
然后当Lincoln Smith被解析时。它产生了：
- 位置3：lincoln
- 位置4：smith
换言之，ES对以上数组分析产生的词条列表和解析单一字符串John Abraham Lincoln Smith时产生的结果是一样的。在我们的查询中。我们查询邻接的abraham和lincoln，而这两个词条在索引中确实存在而且邻接，因此查询匹配了。
幸运的是，有一个简单的方法来避免这样的情况。通过position_offset_gap參数，它在字段映射中进行配置：
DELETE /my_index/groups/
PUT /my_index/_mapping/groups
{
"properties": {
"names": {
"type": "string",
"position_offset_gap": 100
}
}
}
position_offset_gap设置告诉ES须要为数组中的每一个新元素设置一个偏差值。因此，当我们再索引以上的人名数组时，会产生例如以下的结果：
- 位置1：john
- 位置2：abraham
- 位置103：lincoln
- 位置104：smith
如今我们的短语匹配就无法匹配该文档了。由于abraham和lincoln之间的距离为100。你必需要加入一个值为100的slop的值才干匹配。
越近越好(Closer is better)
短语查询(Phrase Query)仅仅是简单地将不含有精确查询短语的文档排除在外，而邻近查询(Proximity Query) - 一个slop值大于0的短语查询 - 会将查询词条的邻近度也考虑到终于的相关度_score中。
通过设置一个像50或100这种高slop值，你能够排除那些单词过远的文档。可是也给予了那些单词邻近的文档一个更高的分值。
以下针对quick dog的邻近查询匹配了含有quick和dog的两份文档，可是给与了quick和dog更加邻近的文档一个更高的分值：
POST /my_index/my_type/_search
{
"query": {
"match_phrase": {
"title": {
"query": "quick dog",
"slop": 50
}
}
}
}
{
"hits": [
{
"_id": "3",
"_score": 0.75,
"_source": {
"title": "The quick brown fox jumps over the quick dog"
}
},
{
"_id": "2",
"_score": 0.28347334,
"_source": {
"title": "The quick brown fox jumps over the lazy dog"
}
}
]
}
使用邻近度来提高相关度
虽然邻近度查询(Proximity Query)管用，可是全部的词条都必须出如今文档的这一要求显的过于严格了。这个问题和我们在全文搜索(Full-Text Search)一章的精度控制(Controlling Precision)一节中讨论过的类似：假设7个词条中有6个匹配了，那么该文档或许对于用户而言已经足够相关了，可是match_phrase查询会将它排除在外。
相比将邻近度匹配作为一个绝对的要求。我们能够将它当做一个信号(Signal) - 作为众多潜在匹配中的一员，会对每份文档的终于分值作出贡献(參考多数字段(Most Fields))。
我们须要将多个查询的分值累加这一事实表示我们应该使用bool查询将它们合并。
我们能够使用一个简单的match查询作为一个must子句。该查询用于决定哪些文档须要被包括到结果集中。能够通过minimum_should_match參数来去除长尾(Long tail)。
然后我们以should子句的形式加入很多其它特定查询。每一个匹配了should子句的文档都会添加其相关度。
GET /my_index/my_type/_search
{
"query": {
"bool": {
"must": {
"match": {
"title": {
"query": "quick brown fox",
"minimum_should_match": "30%"
}
}
},
"should": {
"match_phrase": {
"title": {
"query": "quick brown fox",
"slop": 50
}
}
}
}
}
}
毫无疑问我们能够向should子句中加入其他的查询，每一个查询都用来添加特定类型的相关度。
